Ricerca | Progetti

L¿INCERTEZZA NELLE MISURE DI RUMORE AMBIENTALE

La procedura proposta dagli autori prevede due fasi: nella prima fase, sono elaborati i livelli di rumore acquisiti in un intervallo di tempo al fine di rimuovere eventuali outlier [2], nella seconda fase si procede alla valutazione dell’intervallo di confidenza del livello equivalente di rumore sul segnale “purificato”. Nel primo anno si affronterà 1) il problema della identificazione e della rimozione degli outlier e nel secondo anno si analizzeranno 2) i metodi di stima della variabilità e quindi dell’intervallo di confidenza per grandezze aleatorie. 1)Il rumore ambientale è per sua natura composto da numerosi segnali indipendenti, generati da diverse sorgenti acustiche, ma occasionalmente possono verificarsi particolari eventi che non sono caratteristici dell’ambiente in esame, ma che alterano la misura eseguita. Eventi sonori non strettamente connessi al fenomeno oggetto della misura possono essere definiti come outlier presenti sui valori misurati. Gli outlier modificano il risultato atteso della misurazione, ma per poter correggere gli effetti di tali eventi occorre innanzitutto identificarli. Sulla base di un’analisi della letteratura, gli autori propongono l’impiego della “tecnica della distanza”, utilizzata nell’ambito delle reti di sensori, per la definizione di un algoritmo di outlier detection. Applicando la “tecnica della distanza” [1], un punto p è considerato un outlier se: Dk(p) = d, in cui Dk(p) = |pk - p| rappresenta la distanza tra un punto p e il suo k-esimo punto più vicino pk. La scelta del parametro k è correlata alla durata dell'evento rispetto al periodo di osservazione. Nell'algoritmo in esame il valore assegnato al parametro k è molto importante, perché influenza direttamente le prestazioni dell'algoritmo stesso. Sarà quindi studiata la dipendenza delle prestazioni dal parametro k al fine di determinarne il valore ottimale. A tal fine si utilizzeranno segnali reali acquisiti in campo 2) Alcuni autori per la valutazione dell’incertezza associata alle misure di rumore ambientale ipotizzano un modello gaussiano per la popolazione originaria, sebbene tale approccio sollevi alcuni dubbi o addirittura critiche, c’è chi sostiene che le distribuzioni di probabilità di rumore relativo a traffico veicolare non sono legate a nessuna distribuzione statistica nota in letteratura. Un diverso approccio a questo problema consiste nell'analisi dell'incertezza dei livelli di rumore ambientale con il metodo bootstrap, che è una tecnica statistica di ricampionamento con sostituzione del dataset iniziale, che non ha limitazioni in termini di forma e proprietà delle statistiche considerate. Tuttavia, è noto che l'intervallo di incertezza stimato con il bootstrap può essere influenzato da problemi se la distribuzione bootstrap è asimmetrica. Questo è il motivo per cui in questo ambito si esplorerà l’impiego di una versione più generale del bootstrap, chiamato bootstrap - t [2]. Si confronteranno quindi diverse tecniche per stimare a partire da un piccolo campione il valore medio della distribuzione e l’intervallo di confidenza dello stesso. Ulteriori evoluzioni di tale attività di ricerca, grazie alla struttura snella della procedura proposta, saranno relative all’integrazione di tale procedura in uno strumento di misura di rumore, capace di fornire informazioni in tempo reale sull’incertezza del misurando. Y. Zhang, N Meratnia, P. Havinga “ Outlier detection techniques for Wireless Sensor Networks : a Survey” – IEEE Communications Surveys & Tutorials, vol. 12, N. 2, 2010 W. Batko, B. Stepien: Application of the Bayesian inference for estimation of the long-term noise indicators and their uncertainty. Acta Phys. Pol. A 119 (2011) 916-920.